基于深度学习的葡萄芽检测


发布时间:

2020-10-07

来源:

植物表型资讯

作者:

PhenoTrait

在葡萄栽培中,视觉检测是测量相关变量的必要任务。在多数情况下,视觉检测可以通过计算机视觉方法实现自动化。芽的检测就是其中一项视觉任务,是测量重要变量的核心,例如:测量芽的日照、自主修剪、计数、分类类型、几何特征、节间长度、芽面积和芽发育阶段等。本文提出了一种基于全卷积网络MobileNet体系结构(FCN-MN)的葡萄花芽检测方法。

 

基于提出的全卷积网络,本文提出的FCN-MN网络架构图

 

这项工作中使用的补丁程序的集合

 

为了验证该体系结构的性能,在检测任务中,与一种芽检测的强方法进行了比较,并在检测的三个方面进行了改进:分割、对应识别和定位。在最佳配置参数下,该方法的检测精度为95.6%,召回率为93.6%,正确检测(即掩模与真芽重叠的检测)的平均骰子测量值为89.1%。最后,我们讨论了FCN-MN的这些结果如何在实际应用中准确测量,实现最佳性能。

 

FCN-MN和SW的S分布的直方图

 

来源:

Wenceslao Villegas Marset W V, Pérez D P, Díaz C A and Bromberg F. Deep Learning for 2D grapevine bud detection. arXiv:2008.11872.

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。